| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·基于神经网络的数据挖掘 | 第7-12页 |
| ·重要性 | 第7-8页 |
| ·研究进展 | 第8-11页 |
| ·进一步的问题 | 第11-12页 |
| ·论文研究的内容 | 第12-13页 |
| 第二章 数据挖掘理论分析 | 第13-30页 |
| ·人工神经网络概述 | 第13-17页 |
| ·人工神经网络的结构 | 第13页 |
| ·神经网络的学习机理和机构 | 第13-14页 |
| ·感知器的学习结构 | 第14-15页 |
| ·感知器的学习算法 | 第15-17页 |
| ·反向传播学习的BP算法 | 第17-27页 |
| ·神经网络学习算法: | 第17-21页 |
| ·BP算法的原理 | 第21-23页 |
| ·BP算法的执行步骤 | 第23-24页 |
| ·算法的执行步骤如下: | 第24-27页 |
| ·遗传算法概述 | 第27-30页 |
| 第二章 神经网络在可视化中的应用 | 第30-40页 |
| ·数据可视化问题的由来 | 第30页 |
| ·数据可视化的发展状况 | 第30-31页 |
| ·所用算法的理论推导 | 第31-40页 |
| ·解决可视化问题的常用算法 | 第31-33页 |
| ·两个学习规则 | 第33-35页 |
| ·主成分分析 | 第35-40页 |
| 第四章 总体设计与实现 | 第40-58页 |
| ·数据准备 | 第40-43页 |
| ·构造BP网络结构 | 第43-47页 |
| ·输入／输出节点 | 第43-45页 |
| ·层数与隐层节点数 | 第45页 |
| ·网络中各层的激活函数 | 第45-47页 |
| ·BP网络的参数和训练方法设计与选择 | 第47-48页 |
| ·初始权值的选取 | 第47-48页 |
| ·学习速率的选取、最大训练次数及最小误差的确定 | 第48页 |
| ·程序实现部分 | 第48-53页 |
| ·SNN API函数简介: | 第49-53页 |
| ·实验结果及相关讨论 | 第53-58页 |
| ·在相同的隐层节点数S=6、不同的学习率的情况下实验结果: | 第53-56页 |
| ·不同学习率和隐层节点数情况下的实验结果 | 第56-58页 |
| 第五章 结论 | 第58-59页 |
| 致谢 | 第59-63页 |